Pendeteksian hama dan penyakit pada tanaman padi dapat dilakukan dengan cara meminta feedback dari user kemudian mencocokkannya dengan gejala-gejala dari setiap hama/penyakit yang terdapat di dalam library. Namun user akan mengalami kesulitan saat memilih apabila semua gejala ditampilkan pada aplikasi. Maka penelitian ini akan mengembangkan sebuah aplikasi untuk pendeteksian hama/penyakit tanaman padi dengan meminimalisir jumlah gejala yang akan ditampilkan.
Pada penelitian ini diterapkan dua metode, yaitu metode Association Rule dan Cosine Similarity. Metode Association Rule dengan algoritma MinHash diterapkan untuk membentuk aturan-aturan asosiatif dari gejala-gejala yang ada. Syarat nilai minimum Confidence yang digunakan untuk membentuk aturan asosiatif adalah 1. Aturan yang dihasilkan memiliki pola A?B, dimana A merupakan Antecedent dan B merupakan Consequent. Cosine Similarity dengan evaluasi Precision dan Recall digunakan dalam proses deteksi untuk mengeliminasi hama/penyakit. Hama/penyakit dengan nilai Recall kurang dari 0.3 dan Similarity kurang dari 0.3 akan tereliminasi.
Hasil penelitian menunjukkan bahwa metode Association Rule dan Cosine Similarity dengan evaluasi Precision dan Recall dapat diterapkan untuk deteksi hama dan penyakit tanaman padi. Hal ini dibuktikan dengan perhitungan hasil deteksi dari total 25 koresponden mampu menghasilkan akurasi sebesar 96%.
Kata kunci: Association Rule, Cosine Similarity, Deteksi Hama dan Penyakit Tanaman Padi, Precision, Recall